Azure Machine Learning – Azure ML Designer란? 2편

Azure ML – Azure ML Designer란? 1편 에 이어서

모델 추론 결과 확인

.

.

 Score Model은 학습된 모델에 대한 예측값을 확인할 수 있게 해줍니다

저런 식으로 데이터를 결과값들을 연결해준 뒤

 

.

앞서 Score Model에서 예측한 결과값과 실제 정답(label)을 비교해
정확도, 정밀도, 재현율, F1 Score 등을 자동으로 계산해주는 Evalute Model 또한 추가해주도록 하겠습니다. 

 

.

최종 완성된 파이프라인 입니다.

 

실험 실행 및 결과 확인

.

스크린샷에서는 가려졌지만

구성 및 전송을 클릭한 뒤 적절하게 이름 등을 선택해줍니다

 

.

.

파이프라인 작업에서 아까 만들어 둔 인스턴스를 선택해주고 실행해줍니다

 

.

저같은 경우는 약 15분 정도 걸렸습니다.

 

자 이제 결과에 대해서 확인해보면요

 

.

모델이 예측한 결과는 Scored Labels 컬럼에 저장됩니다

왼쪽의 Survived는 실제 값이고, 오른쪽 Scored Labels는 모델이 예측한 생존 여부인데요

대부분 일치하는 것을 볼 수 있으며

물론 몇몇 줄에서는 오차가 있지만, 전반적으로 예측력이 나쁘지 않아 보입니다

특히 Scored Probabilities를 통해 예측의 확신 정도도 함께 확인할 수 있어서 얼마나 강하게 확신했는지도 함께 볼 수 있습니다

 

.

.

모델 학습과 평가가 완료된 후, 해당 파이프라인을 배포 가능한 형태로 게시할 수 있는데요

게시 버튼을 클릭하면 파이프라인을 호출할 수 있는 엔드포인트를 생성하게 되고 이 엔드포인트를 통해 외부 시스템이나 API 호출을 통해 운영 환경에서 사용할 수 있습니다. 

 

.

.

참고자료

Create and Run Machine Learning Pipelines Using Components with the Machine Learning SDK v2 - Azure Machine Learning | Microsoft Learn

Create and Run Machine Learning Pipelines Using Components with the Machine Learning SDK v2 - Azure Machine Learning

 

---

3개월만에 돌아왔습니다.

끈기 있게 가져가보겠습니다.